黃仁勳表示，結構化數據是企業運算的「真實基準」（ground truth），也是可靠AI系統的基礎。當前企業運算平台如SQL、Spark、Pandas等系統，皆以「數據框」（Data Frames）形式管理大量結構化資料，這些資料如同巨型電子表格，承載企業營運中的關鍵資訊。
他指出，隨著AI應用普及，未來代理式AI（Agentic AI）將直接使用這些結構化資料庫，並以更高速度進行資料分析與決策。因此，加速資料處理能力將成為企業導入AI的重要基礎設施。
除了結構化資料外，黃仁勳也強調非結構化資料的重要性。全球每年產生的資訊中，約有90%屬於非結構化資料，例如PDF文件、影片、語音與圖片等。過去這些資料因缺乏有效索引方式而難以搜尋與分析。
他指出，透過多模態AI技術，現在可以讓AI閱讀並理解這些內容，再將其轉換為可搜尋的語意向量（embedding），建立新的向量資料庫（Vector Database），使企業能夠對大量非結構化資料進行搜尋與分析。
為加速AI資料處理，輝達推出兩項核心函式庫：cuDF與cuVS。其中，cuDF主要用於加速結構化資料處理，而cuVS則用於向量資料庫與非結構化資料的語意搜尋。黃仁勳表示，這兩項技術將成為AI資料處理的重要基礎平台，並已逐步整合至全球主要資料平台與企業系統之中。
輝達也透過影片介紹其核心運算架構。黃仁勳表示，輝達正在以單一架構推動加速運算（Accelerated Computing），目前已建立超過千個CUDA-X函式庫，協助開發者在各領域實現突破。
影片中展示多項關鍵函式庫，包括cuOpt用於決策最佳化、cuLitho用於計算光學微影、cuDSS用於稀疏矩陣求解、cuEquivariants用於幾何感知神經網路，以及Warp支援可微分物理模擬。此外，Parabricks則用於基因體分析，而Aerial平台則針對AI無線電存取網路（AI RAN）應用。
黃仁勳指出，這些函式庫讓GPU不僅能用於AI訓練，也能加速科學研究、半導體製程、通訊網路與生物醫學等多個產業。
在GTC大會上，輝達也宣布與IBM合作，透過GPU運算函式庫加速IBM的Watsonx.data SQL引擎。IBM指出，資料處理是AI系統理解世界的重要基礎，但傳統CPU架構在處理大規模資料時已逐漸面臨效能瓶頸。
以Nestlé為例，其全球供應鏈系統每天需處理來自185個國家的訂單與物流資料。透過NVIDIA GPU加速的Watsonx.data平台，相關工作負載可提升約5倍速度，同時將運算成本降低約83%。
黃仁勳指出，過去半導體產業依靠摩爾定律推動效能提升，但隨著晶片微縮趨於極限，單靠製程進步已難以持續降低運算成本。未來運算效能的突破，將更多依賴加速運算與演算法優化。
他強調，NVIDIA不僅是一家晶片公司，更是一家演算法公司。透過持續優化演算法與函式庫，並結合龐大的GPU安裝基數，能夠持續降低AI運算成本，同時提升運算速度與規模。
黃仁勳強調，輝達競爭力的核心在於CUDA-X函式庫生態系。這些函式庫將各類演算法封裝為可直接使用的工具，使開發者能快速建立AI應用。
其中，cuDNN（CUDA Deep Neural Network）被視為推動現代深度學習的重要技術之一。黃仁勳表示，函式庫是NVIDIA「皇冠上的明珠」，也是推動AI產業快速發展的關鍵基礎。他指出，透過持續推出新的AI模型與函式庫，輝達將加速AI在金融、醫療、製造、電信與機器人等產業落地，進一步推動全球AI生態系發展。
點擊閱讀下一則新聞
